Künstliche Intelligenz hilft Banken bei der Digitalisierung

IT-Anbieter erweitern ihre Banking-Plattformen zunehmend mit KI-Funktionen. Finanzinstitute können damit Kundenschnittstellen verbessern, Prozesse effizienter gestalten und sogar neue Umsatzquellen erschließen. [...]

Mithilfe Künstlicher Intelligenz optimieren Banken ihre Prozesse und verbessern die Customer Experience. (c) pixabay
Mithilfe Künstlicher Intelligenz optimieren Banken ihre Prozesse und verbessern die Customer Experience. (c) pixabay

Schon seit einigen Jahren nutzen Unternehmen aus dem Finanzsektor Technologien der künstlichen Intelligenz (AI, Artificial Intelligence). Neben Machine Learning, Deep Learning und Natural Language Processing setzen sie auch auf Robotic Process Automation (RPA) in seinen verschiedenen Ausprägungen. Wie in kaum einer anderen Branche erkennen insbesondere Banken den wirtschaftlichen Nutzen der Künstlichen Intelligenz. Sie gewinnen neue Erkenntnisse aus vorhandenen Daten, verbessern die Kundenerfahrung (Customer Experience) und automatisieren Geschäftsprozesse, die bis dato nur mit manuellen Eingriffen funktionierten.

Künstliche Intelligenz werde die Finanzbranche in den kommenden Jahren „kräftig auf den Kopf stellen“, sagt Karl-Heinz Kern, General Manager der GFT Deutschland. Er verweist auf den „Digital Banking Expert Survey“, für die der IT-Dienstleister 2017 mehr als 280 Retail-Banking-Experten aus acht Ländern befragte. Rund 94 Prozent sind demnach überzeugt, dass KI-Lösungen einen direkten Mehrwert liefern.

In den meisten Fällen sind es nicht die Finanzinstitute selbst, die KI-Technologien entwickeln. Vielmehr arbeiten vor allem die großen Softwarehersteller daran, ihre Standardprodukte für den Banking-Sektor mit KI-Features auszustatten. Einer Forrester-Studie zufolge nutzten 2017 bereits 69 Prozent der Entscheider aus den Bereichen Data und Analytics bei Finanzdienstleistern weltweit KI-Technologien oder planten einen Einsatz innerhalb von zwölf Monaten (siehe Grafik). Die Banken greifen zudem häufiger auf die Hilfe von Systemintegratoren zurück, um ihre Kernsysteme intelligenter zu machen und die technischen Grundlagen für einen KI-Einsatz zu schaffen. Dazu gehört beispielsweise die Auswahl und Integration einschlägiger Frameworks.

Ein Großteil der Data- und Analytics-Entscheider in der Finanzbranche nutzt bereits KI-Technologien oder plant den Einsatz. (c) Forrester Research
Ein Großteil der Data- und Analytics-Entscheider in der Finanzbranche nutzt bereits KI-Technologien oder plant den Einsatz. (c) Forrester Research

Mit der Reife der KI-Technologien wächst in den für Anwendungsentwicklung und -bereitstellung verantwortlichen Teams auch das Interesse an Standard-Banking-Anwendungen, die mit intelligenten Features ausgestattet sind. „80 Prozent unserer neuen Kunden fragen nach AI-basierten Lösungen„, erklärt der auf die Finanzbranche spezialisierte Softwareanbieter Finastra. Forrester rät IT-Entscheidern, sich frühzeitig mit den Einsatzmöglichkeiten solcher Standardsysteme auseinanderzusetzen. Andernfalls riskierten sie, gegenüber Konkurrenten zurückzufallen.

Noch sei künstliche Intelligenz im Bankensektor zwar nicht „Mainstream“, urteilen die Analysten. Doch die Anbieter von Banking-Plattformen setzten mit voller Kraft auf das Thema. Immer häufiger gelinge es ihnen, den Business-Nutzen ihrer Lösungen für Kunden und auch für eigene Zwecke nachzuweisen.

Sopra Banking Software etwa arbeitet schon seit Jahren an Proof of Concepts und hat damit begonnen, KI-Funktionen in seine Produkte einzubauen. Auch der Schweizer Bankensoftware-Spezialist Temenos hat seine Strategie darauf ausgerichtet. „AI ist kein spezifisches Produkt“, erläutert der Global Product Director für Data und Analytics. „Es ist eine Fähigkeit, die wir in allen unseren Produkten nutzen wollen.“


Mehr Artikel

News

Samsung OLED-TV S95D im Test

Extrem in allem: Samsungs brandneuer OLED-TV S95D ist ultradünn, ultraschmall gebaut und löst ultrascharf auf. Wir haben das neue OLED-Spitzenmodell mit mattem Bildschirm (!) und 65-Zoll-Bilddiagonale getestet. […]

News

Große Sprachmodelle und Data Security: Sicherheitsfragen rund um LLMs

Bei der Entwicklung von Strategien zur Verbesserung der Datensicherheit in KI-Workloads ist es entscheidend, die Perspektive zu ändern und KI als eine Person zu betrachten, die anfällig für Social-Engineering-Angriffe ist. Diese Analogie kann Unternehmen helfen, die Schwachstellen und Bedrohungen, denen KI-Systeme ausgesetzt sind, besser zu verstehen und robustere Sicherheitsmaßnahmen zu entwickeln. […]

Be the first to comment

Leave a Reply

Your email address will not be published.


*